EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

PREDIKSI HARGA BERAS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA LONG - SHORT TERM MEMORY

MOHAMMAD NURUL AHID, IMADUDIN HARJANTO, MUHAMMAD AMIRUDDIN

JETI (Jurnal Elektro dan Teknologi Informasi) · 31.12.2025 · 4 (2) · 8-13

DOI: 10.26877/p149r546 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JETI (Jurnal Elektro dan Teknologi Informasi), online erschienen am 31.12.2025. Verfasst von MOHAMMAD NURUL AHID und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Beras merupakan komoditas pangan utama masyarakat Indonesia dengan beragam mutu, mulai dari premium hingga medium. Perbedaan kualitas beras memengaruhi harga jual, di mana beras premium dijual lebih mahal karena dianggap bermutu tinggi, sedangkan beras medium lebih terjangkau dan umum dikonsumsi. Harga beras sering mengalami fluktuasi akibat berbagai faktor seperti kebijakan pemerintah, produksi pertanian, permintaan konsumen, dan ketersediaan stok. Penelitian ini bertujuan memprediksi harga beras medium di tingkat penggilingan menggunakan metode Jaringan Syaraf Tiruan (Artificial Neural Network) dengan algoritma Long Short-Term Memory (LSTM). Data yang digunakan berupa harga bulanan beras medium periode 2014–2024 dari Badan Pusat Statistik. Proses penelitian meliputi preprocessing data, pembuatan jendela waktu dengan Fast Fourier Transform (FFT), data splitting, pembangunan arsitektur LSTM, pelatihan model, evaluasi, dan visualisasi prediksi dengan variasi window size 12, 24, dan 36. Hasil penelitian menunjukkan bahwa model LSTM memiliki performa terbaik pada window size 12 dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 6,58%, dibandingkan 8,53% pada window size 24 dan 10,13% pada window size 36. Meskipun persentase error yang dihasilkan masih relatif tinggi, model LSTM terbukti efektif dalam memprediksi harga beras dengan hasil persentase error terkecil yaitu 6,58% dari jumlah window size 12. Jumlah error yang dihasilkan dapat diperkecil lagi dengan menambahkan data lain yang relevan misal faktor cuaca musiman, hingga kebijakan pemerintah sebagai fitur input. Dengan demikian, meskipun masih terdapat error, model LSTM terbukti efektif dalam memprediksi harga beras dan dapat ditingkatkan akurasinya dengan menambahkan variabel relevan seperti faktor musiman dan kebijakan pemerintah.

Zitieren

APA

AHID, M. N., HARJANTO, I., & AMIRUDDIN, M. (2025). PREDIKSI HARGA BERAS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA LONG - SHORT TERM MEMORY. JETI (Jurnal Elektro dan Teknologi Informasi), 4(2), 8-13. https://doi.org/10.26877/p149r546

Vancouver

AHID MN, HARJANTO I, AMIRUDDIN M. PREDIKSI HARGA BERAS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA LONG - SHORT TERM MEMORY. JETI (Jurnal Elektro dan Teknologi Informasi). 2025;4(2):8-13. doi:10.26877/p149r546

BibTeX
@article{AHID2025,
  author = {AHID, MOHAMMAD NURUL and HARJANTO, IMADUDIN and AMIRUDDIN, MUHAMMAD},
  title = {PREDIKSI HARGA BERAS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA LONG - SHORT TERM MEMORY},
  journal = {JETI (Jurnal Elektro dan Teknologi Informasi)},
  year = {2025},
  volume = {4},
  number = {2},
  pages = {8--13},
  doi = {10.26877/p149r546}
}
Kostenlos starten →